Aprendizaje automático para la IC

El crecimiento y la expansión de la inteligencia artificial (IA) y la Internet de las Cosas (IC) ha modificado la forma en que las organizaciones regulan sus flujos de trabajo y la manera en que los clientes responden al mercado. Debido a la rápida adopción de la IC y la inteligencia artificial por parte de las industrias y las empresas orientadas al cliente, recientes investigaciones y previsiones auguran que la IA y la IC reconfigurarán y mejorarán los procesos comerciales. Gracias a esta tendencia, las empresas compiten por lograr la contratación de profesionales que conozcan bien el aprendizaje automático. Desgraciadamente, la práctica ha demostrado que esto no resulta fácil. Mientras que la necesidad de ingenieros expertos en aprendizaje automático ha aumentado exponencialmente, el número de profesionales en el campo del aprendizaje automático ha permanecido estable. En un intento por prepararse adecuadamente, las empresas están tratando de que sus empleados realicen cursos de aprendizaje automático, de tal manera que puedan adaptarse a lo que les espera en un futuro.

Ahora, los clientes han comenzado a utilizar dispositivos domésticos inteligentes tales como Alexa de Amazon y Google Home, junto con aparatos y sistemas de calefacción inteligentes. Las recientes instalaciones domésticas y comerciales inteligentes van más allá de meros hubs de puerta de acceso. Estas instalaciones digitales proporcionan información que beneficia a las empresas de servicios públicos en lo que respecta al mantenimiento de las relaciones con el cliente, al tiempo que establecen nuevos referentes en el mercado.

La integración de chatbots

Ya pasó el tiempo en que los chatbots no se tomaban en serio. A medida que el aprendizaje automático ha ganado visibilidad, los chatbots han ido perfeccionándose. Las empresas pueden automatizar soluciones para responder a las consultas de los clientes utilizando chatbots acelerando, de esta manera, la resolución de los problemas pertenecientes al área de servicio al cliente. ¿De qué forma los chatbots son capaces de comprender las emociones humanas? Se alimentan con los datos y el historial de los clientes, lo cual les ayuda a comprender el contexto en el que se desarrollan las preguntas. Esto simplifica el trabajo desarrollado por los encargados del servicio al cliente, ya que los chatbots les proporcionan datos del cliente que les ayudan a obtener un historial completo de cada cuenta rápidamente.

User interaction with a chatbot app / Image: Pexels, by John Jackson

Interacción del usuario con una app de chatbot / Imagen: Pexels, por John Jackson

Los chatbots funcionan como una interfaz que aporta sentido a todos los datos en un panorama de IC. Hay recursos disponibles en Internet que permiten integrar o diseñar un chatbot personalizado de voz o de texto basado en la implementación de la comprensión del lenguaje natural y el reconocimiento automático del habla.

Prevención de fraudes

Detectar los casos de fraude constituye un reto de primera magnitud para la industria financiera. Se utiliza un algoritmo basado en aprendizaje automático en el sistema de procesamiento de pagos para distinguir entre transacciones autorizadas y transacciones fraudulentas. El uso de algoritmos de aprendizaje automático ayuda al sistema de pagos, de tal manera que este “sepa” cuándo una transacción es genuina y está autorizada. Mantener un control sobre un comportamiento que implique una sobrecarga ayuda a los algoritmos de aprendizaje automático a rastrear las acciones de carácter fraudulento.

 Image: CC0Salvatore P in Pexels


Imagen: CC0 by Salvatore P in Pexels

Kount constituye un claro ejemplo de cómo funciona la plataforma para la detección y prevención del fraude. Recopila datos procedentes de miles de millones de transacciones y los analiza con la ayuda de la IA para esquivar las actividades de carácter malicioso.

El fraude constituye una cuestión espinosa para las compañías aseguradoras, ya que necesitan evitar que se realicen pagos incorrectos. Las soluciones avanzadas alimentadas por IA, como es el caso de SAS Fraud Framework, utilizan analítica profunda para controlar posibles abusos.

Recomendaciones de producto

El aprendizaje no supervisado juega un papel fundamental a la hora de crear sistemas de recomendación basados en productos. La mayor parte de los sitios web de comercio electrónico, como es el caso de Amazon o eBay, utilizan aprendizaje automático para recomendar productos. Los algoritmos de aprendizaje automático utilizan el historial de compra de los clientes y lo sincronizan con un gran inventario de productos para desvelar patrones ocultos y mostrar productos similares de forma conjunta. Amazon permite que los usuarios utilicen un bloc de pedidos masivo con la ayuda de los botones del panel. Esto demuestra que Amazon tiene una comprensión clara de cómo funciona la IC y de cómo puede utilizarse de diversas formas.

La automatización de tareas repetitivas

La mayor parte de los comerciantes realizan tareas similares, como puede ser el caso de las tareas realizadas en las redes sociales, las tareas efectuadas a la hora de enviar correos electrónicos comerciales o bien las tareas relacionadas con el sistema principal de administración, que consumen mucho tiempo. Los algoritmos de aprendizaje automático permiten automatizar el correo y la comercialización a través de redes sociales, lo cual ahorra tiempo a la hora de realizar tareas de carácter repetitivo. En el mercado existen varias empresas que ofrecen herramientas de automatización destinadas al marketing, como es el caso de Marketo. Dichas herramientas ayudan a atraer y a conservar clientes, iniciando campañas mediante el análisis del rendimiento.

El filtrado del Spam y el Malware

A día de hoy, los enfoques en relación con el filtrado de spam se han ampliado. Para lograr la actualización continua de los filtros de spam, las organizaciones han empezado a confiar en el aprendizaje automático. El filtrado de spam basado en normas falla a la hora de evaluar los trucos adoptados por los spammers.  Las técnicas de filtrado de spam potenciadas mediante aprendizaje automático son Multi-Layer Perceptron y C 4.5 Decision Tree Induction.

Cada día se detectan aproximadamente 325.000 elementos de malware y su código presenta un patrón muy similar. Los programas de seguridad del sistema basados en aprendizaje automático pueden detectar el mismo patrón de código. De esta manera, rastrean nuevos malware con una variación del 2–10 % y nos protegen ante dichas amenazas.

Image: CC0

El aprendizaje automático ofrece una mejor previsión de ventas y una predicción más precisa del comportamiento del usuario. /Imagen: CC0

Por otro lado, el papel de los ISP resulta fundamental a la hora de mejorar la seguridad de la IC. Este proceso comienza mediante el bloqueo de tráfico malicioso ejecutado por el malware en patrones ya conocidos. Actualmente, algunos ISP utilizan BCP38 para minimizar el spoofing, la técnica utilizada por los hackers para introducir paquetes de red con direcciones de emisor falsas. En segundo término, los ISP pueden informar a los clientes acerca de si un dispositivo está enviando o recibiendo tráfico malicioso en sus redes o no.

El aprendizaje automático constituye un componente vital de un sistema de IC designado para aportar un análisis predictivo eficaz, pero no puede “hacer magia”. Formando parte de un sistema de IC, el aprendizaje automático ofrece nuevas ideas muy significativas. No obstante, las organizaciones deben integrar dichas ideas en panoramas operativos en tiempo real para experimentar todo su valor comercial. Los resultados del aprendizaje automático con implicación SME deben ser conectados a los sistemas de análisis y deben traducirse a un sistema de monitorización basado en reglas para averiguar cuándo pueden producirse eventos inusuales.

Danish Wadhwa